一种基于极限学习机的电力光缆故障检测及定位方法

本发明涉及电力光缆设施领域，即一种基于极限学习机的电力光缆故障检测及定位方法。基于小波包分析对OTDR信号进行多尺度分解与去噪处理，通过细化频带划分，有效抑制高频噪声并保留关键事件点特征，从而提高信号质量。构建基于极限学习机的故障分类模型，实现对去噪后OTDR数据的高效分类与故障模式识别。结合白鲸优化算法(BWO)，对分类模型输出的故障检测结果进行优化搜索，以提升在复杂光缆环境中的检测精度和算法鲁棒性。引入改进Dijkstra算法，实现精准定位与路径追踪，从而显著提升故障定位的精确性与响应速度。通过多层次算法融合，解决了光缆故障检测中信号噪声干扰、模式识别准确性不足以及复杂网络环境下定位精度低的问题。